2022-06-25

Dataset di partenza

Il dataset di partenza viene preso dalla libreria schrute. Contiene tutte le linee di dialogo dette nelle 9 stagioni di the Office organizzate per persoanggio ed episodio. Sono presenti anche i ratings ricevuti su IMDB per i vari episodi.

Che cos’è?

The Office è una serie televisiva statunitense, è stata girata in una configurazione a telecamera singola – senza il pubblico in studio o le risate registrate – per dare l’idea di un vero documentario. La serie è stata acclamata dal pubblico e dalla critica, aggiudicandosi diversi premi. The Office segue le vite di ogni giorno dei dipendenti della Dunder Mifflin-Scranton, guidati dal direttore della filiale Michael Scott.

Cosa vogliamo scoprire?

1.Vogliamo vedere ovviamente chi ha piu battute e chi compare piu spesso nello show
2.Vogliamo indagare sulle parole piu dette
3.Vogliamo scoprire quali sentimenti porta questa serie tramite le parole usate
4.Vogliamo trovare il personaggio piu scurrile
e molte altre cose…

Chi ha piu battute?

Ovviamente Michael!

Chi compare in piu episodi?

Nelle ultime stagioni la mancanza di Michael nel nostro ufficio preferito ha cambiato le carte in tavola

Inoltre notiamo che i personaggio presenti sono quelli del ufficio dalla prima stagione,non potevamo certo aspettarci altro

Parole per personaggio

Come vediamo Michael e quello piu presente in tutti gli episodi tranne che per le ultime 2 stagioni dove fa solo da comparsa

Parole piu dette

Wordcloud

Parole piu dette dopo il porter’s word stemming

Frequenza di utilizzo di parole comparata tra Michael e Dwight

## 
##  Pearson's product-moment correlation
## 
## data:  frequency$Michael and frequency$Dwight
## t = 84.087, df = 3309, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.8141764 0.8359127
## sample estimates:
##       cor 
## 0.8253501

Frequenza di utilizzo di parole comparata tra Jim e Dwight

## 
##  Pearson's product-moment correlation
## 
## data:  frequency$Jim and frequency$Dwight
## t = 59.491, df = 2295, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.7622438 0.7944534
## sample estimates:
##       cor 
## 0.7788616

Frequenza di utilizzo di parole comparata tra Jim e Michael

## 
##  Pearson's product-moment correlation
## 
## data:  frequency$Jim and frequency$Michael
## t = 99.117, df = 2443, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.8867176 0.9025266
## sample estimates:
##       cor 
## 0.8949025

Bing sentiment analysis per ogni episodo

NRC sentiment analysis per vedere l’emozione dominante per ogni personaggio

Le 20 parole negative e positive piu presenti

Differenza nelle 3 librerie per il sentiment analysis

Le parole negative e positive piu usate

Presenza delle emozioni di Plutchik nella serie per stagione

La parola piu detta per personaggio togliendo yeah e hey

TF-IDF:term frequency-inverse document frequency

Identifica le parole importanti per un documento(o personaggio nel nostro caso)in una collezione di documenti.
Grazie ad esso riusciamo a vedere le parole piu importanti per i nostri beniamini.
(ovviamente Andy parla di tonno)

Relationship between words

E possibile lavorare su gruppi di n parole per poter analizzare meglio il dataset
bigram n
you know 1774
i don’t 1728
this is 1367
in the 1343
and i 1259
going to 1213
no no 1196
are you 1129
i have 1124
do you 1111

Coppie di parole piu dette

Tris di parole piu dette

Coppie di parole piu importanti per personaggio

Si vede che al nostro caro Andy piace come nickname

Quante volte viene detto “that’s what she said”?

Durante il corso dell’intera serie viene detto 37 volte

Coppie di parole piu dette per stagione

Parole che hanno il not davanti e che nel sentiment analysis hanno dato il contributo sbagliato

Markov’s chain

Parole che si trovano spesso assieme

Le parolacce dette piu spesso dai protagionisti

Rapporto tra parolacce e parole totali del personaggio

Gara d’insulti vinta da Dwight!!

Popolarita in relazione ai vari episodi

Notiamo che dopo meta serie i voti iniziano a calare in media, ma in generale il rating rimane alto

Grazie!